| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第14-21页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 基于知识库的自动问答系统 | 第16-18页 |
| 1.2.2 问句分类研究 | 第18-19页 |
| 1.3 本文的研究目标和内容 | 第19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 相关研究基础及技术 | 第21-29页 |
| 2.1 实体识别 | 第21-22页 |
| 2.2 依存句法分析 | 第22-23页 |
| 2.3 词向量技术 | 第23-24页 |
| 2.4 深度学习相关模型及框架 | 第24-28页 |
| 2.4.1 卷积神经网络 | 第24-25页 |
| 2.4.2 循环神经网络 | 第25-26页 |
| 2.4.3 注意力机制 | 第26-27页 |
| 2.4.4 常用深度学习框架 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于深度神经网络的问句分类方法 | 第29-37页 |
| 3.1 方法总体框架 | 第29-30页 |
| 3.2 方法具体实现 | 第30-33页 |
| 3.2.1 词向量层 | 第30-31页 |
| 3.2.2 卷积层 | 第31页 |
| 3.2.3 双向长短时记忆网络层 | 第31-32页 |
| 3.2.4 注意力机制层 | 第32页 |
| 3.2.5 分类器 | 第32页 |
| 3.2.6 正则化 | 第32-33页 |
| 3.3 实验 | 第33-35页 |
| 3.3.1 数据集 | 第33-34页 |
| 3.3.2 实验设置 | 第34页 |
| 3.3.3 实验结果 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 融合用户询问意图的End2End知识库问答方法 | 第37-44页 |
| 4.1 方法总体框架 | 第37-38页 |
| 4.2 方法具体实现 | 第38-42页 |
| 4.2.1 候选答案生成 | 第38-39页 |
| 4.2.2 带注意力机制的深度神经网络 | 第39-40页 |
| 4.2.3 模型训练及答案确定 | 第40-42页 |
| 4.3 实验 | 第42-43页 |
| 4.3.1 实验数据 | 第42页 |
| 4.3.2 实验设置 | 第42页 |
| 4.3.3 实验结果 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于语义分析及自动化模板的问答系统实现 | 第44-63页 |
| 5.1 问答方法结构 | 第44-53页 |
| 5.1.1 问句分类算法 | 第45-46页 |
| 5.1.2 基于语义依存分析的依存剪枝方法 | 第46-48页 |
| 5.1.3 模板构建与匹配方法 | 第48-49页 |
| 5.1.4 问句逻辑表达式的定义及构建 | 第49-52页 |
| 5.1.5 基于逻辑表达式的推理查询 | 第52-53页 |
| 5.2 实验 | 第53-54页 |
| 5.2.1 实验数据 | 第53页 |
| 5.2.2 实验设置 | 第53-54页 |
| 5.2.3 实验结果 | 第54页 |
| 5.3 基于领域知识库的问答系统实现 | 第54-61页 |
| 5.3.1 系统功能 | 第54-55页 |
| 5.3.2 系统设计与实现 | 第55-58页 |
| 5.3.3 系统开发和部署环境 | 第58-59页 |
| 5.3.4 实验结果展示 | 第59-60页 |
| 5.3.5 系统运行结果展示 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结和展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 下一步工作和展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录一 攻读硕士学位期间发表的学术论文及学术成果 | 第70-71页 |
| 附录二 攻读硕士学位期间参与的科研项目 | 第71-72页 |
| 附录三 攻读硕士学位期间参加的专业学术类竞赛 | 第72-73页 |
| 致谢 | 第73页 |